AI时代下，PRD文档的撰写正陷入一种危险的繁荣。当技术负责人面对两万字的文档却找不到核心逻辑时，揭示的不仅是工具滥用的问题，更是产品经理思维能力的退化。本文深度剖析AI辅助写作背后的结构性陷阱——从竞品分析的数据堆砌到功能开发的慢性坍塌，直指PM在MECE原则与边界判断上的不可替代性。

一份 PRD 写到两万字，技术负责人看完只问了一句：你到底想做什么。

这种事我这两年见多了，包括我自己写的。

AI 让产出文档的成本几乎归零，但产出“能被理解的文档”的能力，反而比五年前更稀缺。

问题不是你写得太多，是你想得太少。

两万字的 PRD，核心逻辑在第 17 页

以前憋一份 PRD 真的累。

一个功能能憋三天，最后凑八百字交差。评审会上被开发追问两句，手心冒汗。

现在半小时能写两万字。语音转文字甩给 AI，泡杯咖啡刷会儿短视频，回来一看：背景、用户画像、流程图、异常处理、埋点，连排版都比你自己排得好看。

直到开发把文档摔回来：核心逻辑在哪？

你翻了翻。AI 确实写了“核心逻辑”这一节，在第 17 页。前面 16 页是背景铺垫、竞品引用、行业趋势，里面还有一段“根据 2024 年行业白皮书显示”——你根本没给过它这份白皮书。

我自己也犯过这种事。

有阵子直接把 AI 当全自动写作机，一句“帮我写个电商下单功能的 PRD”，AI 吐出万字长文，我改个产品名就提交。某次评审，开发问“异常流程和主流程的边界在哪”，我愣住了——

这两段是我让 AI 分两次生成的，中间 token 不够，我懒得续，干脆开了个新会话接着写。两段拼在一起，逻辑根本不通。

有结构化思维的人用 AI，是拿它立框架，不是全盘交给它。

我现在写 PRD，先在白纸上画三个框：用户场景、核心流程、边界规则。框是我画的，AI 只负责把每个框里的一句话扩成三百字。

不画框的人，最后产出的不是 PRD，是用完美格式包装的混乱。

五十页竞品，对标是谁还是没说清

以前做竞品最痛苦的是找资料，翻应用商店、扒官网、潜伏用户群。一周凑十页 PPT 还被骂不够全面。

现在你把产品名丢给 AI，资料是查全了，但越查越不知道选谁。

去年我带的一个团队做企业知识库，PM 用 AI 出了份五十页竞品分析，覆盖十二款产品。我们开了三周会，每次都觉得“信息够了，结论差一点”。

第三周负责人问：所以我们到底对标谁？

会议室没人说话。

文档里每款产品都分析得很细，但没一个清晰的分类标准。有的按功能比，有的按用户规模比，有的按商业模式比，还有半页莫名其妙在比界面配色。十二款产品像十二块砖堆在地上，没图纸，也没承重墙。

后来我们重开了一次会，先在白板上画了两条轴——使用场景（个人 vs 团队）×内容结构（文档型 vs 数据库型），让大家把产品贴到象限里。贴完之后，原来五十页 PPT 里大概有三十页用不上。

要做这件事，你得先问自己三个问题，这三个问题 AI 替你想不了：

• 我们要解决的用户问题属于哪一类？
• 市面上的解法能分成几种？（是”几种”不是”几个”，是分类不是罗列）
• 我们的差异化落在哪个象限？

想清楚之前，让 AI 查竞品就是开盲盒。想清楚之后，AI 往格子里填数据和用户反馈，特别好用。

直接说“帮我分析一下竞品”，它会按自己的理解分类——可能按融资轮次，可能按成立时间。

逻辑未必错，但对你的决策没用。

慢性坍塌

大模型让功能实现的成本趋近于零。听起来很爽，实际很危险。

我前同事在一家做销售 SaaS 的公司，老板看到 AI 能写代码，要求“把智能客服铺到所有产品线”。PM 没拦——说实话也不知道怎么拦，三天出 PRD，一周出 demo，两周全量上线。

然后客服接了销售线索，字段和 CRM 对不上。售后工单自动流转，但没和技术支持的知识库打通。用户问退货政策，智能客服引用了三个月前的旧条款，因为没人告诉它知识库更新了。

三个系统互相打架，用户没感受到智能，只感受到被踢来踢去。

更麻烦的是这种问题是慢性的。第一个月看不出来，用户甚至会觉得“功能挺多，这家公司有实力”。半年后技术债爆发，重构成本是初期开发的三倍，谁都不敢动，一动就崩。

没有结构化思维的 PM，会把 AI 当成功能印刷机。用户反馈要搜索，加一个。竞品做了 AI 总结，加一个。老板想要数字人，再加一个。每个需求单独看都合理，放一起就是一盘散沙。

有结构化思维的人，会先画产品架构图：核心层是什么，支撑层是什么，扩展层是什么，每层之间走什么协议，数据怎么流转，边界在哪。

这张图不能让 AI 生成。它得你自己一笔一笔画出来，哪怕画得歪歪扭扭。

AI 学不会 MECE

麦肯锡那套结构化思维有四条原则：数字说话、洞见优于表象、MECE、假设为前提。

MECE 这词我到现在都念不顺，每次念成”梅西”或”密西”，或者干脆念“M-E-C-E”。但意思我懂：相互独立，完全穷尽。说白了就是“怎么切、怎么分、怎么排”。

另外三条 AI 都能帮你做。

1. 数字说话？AI 秒级调数据——虽然有时候数据是假的。
2. 洞见？AI 给你做趋势归纳——虽然有时候趋势是编的。
3. 假设验证？AI 比你跑得快——虽然有时候越跑越偏。

唯独 MECE 这条，AI 帮不了。

因为 MECE 的本质是边界判断——这个需求归 A 类还是 B 类？如果归 A，那 B 里有没有漏掉的？为什么不放 C？

过去 PM 的核心竞争力是能写、能说、能画。现在 AI 把这些都做到了八十分。PRD 写得比你快，原型画得比你全，PPT 比你顺。

剩下二十分的溢价，在“怎么分、怎么排、怎么砍”的判断力上。

一个需求进来，先切：体验优化、商业变现，还是战略卡位？

再切：体验优化里，是交互问题、性能问题，还是认知负荷问题？

每一刀都要互斥，每一层都要穷尽。

这种切分能力 AI 学不会。它要你对用户、对业务、对组织有体感。

AI 可以模仿你的语气、复制你的格式，但复制不了你脑子里那套“为什么这样切”的判断。

有时候我自己也说不清为什么这样切，就是知道“这个不能放这里”。

几个能直接用的做法

先画框，再填肉。

别对 AI 说“帮我写个 PRD”。说：“这个需求分三块——用户场景、核心流程、边界规则。先写用户场景，覆盖新客和老客，不要重叠。”

每一层分类控制在二到四项，超过五项认知就崩。可以用二分法切：分析用户流失先切成“产品原因”和“非产品原因”，产品原因再切“功能缺失”和“体验太差”。

这样切下去，AI 的内容会被关在你的格子里，跑不出去。

我有时候会在纸上手画三个框，拍照发给 AI，让它按这个结构写。看着蠢，但管用。

先问对，再搜全。

AI 给你的信息质量，取决于你问问题的质量。

差的问题：帮我分析一下这个市场。

好的问题：这个市场的玩家按商业模式分成几类？每类的核心壁垒是什么？我们的目标用户在哪类里占比最高？

前者是开放题，AI 自由发挥。后者是封闭题，AI 往格子里填数据。

我现在的习惯：自己先花十分钟想清楚分类维度，再让 AI 填。那十分钟不能省，省了后面要花三小时收拾。

先砍，再留。

AI 让“加一个功能”变得太容易，容易到 PM 忘了问：不加会怎样？

每个功能都有成本。不是开发成本，是用户的认知成本。多一个按钮，大脑就要多处理一个选择。用户有时候不是嫌功能少，是嫌选择多。

我现在的判断标准很粗暴：

砍了这个功能，用户骂街吗？会骂就留。砍了用户根本注意不到？必须砍。

AI 不会淘汰你。但不肯结构化、不愿画边界、不敢做减法的那个自己，会。